Fugu-MT 論文翻訳(概要): Bayesian Brain: Computation with Perception to Recognize 3D Objects

論文の概要: Bayesian Brain: Computation with Perception to Recognize 3D Objects

arxiv url: http://arxiv.org/abs/2211.13315v1
Date: Wed, 23 Nov 2022 21:33:57 GMT
ステータス: 処理完了
システム内更新日: 2022-11-28 16:17:57.678436
Title: Bayesian Brain: Computation with Perception to Recognize 3D Objects
Title（参考訳）: ベイズ脳:3次元物体を認識する知覚による計算
Authors: Kumar Sankar Ray
Abstract要約: 我々は、ビューベース3Dオブジェクトを認識するために、ベイズ仮説に基づく人間の知覚の認知能力を模倣する。認識のための知覚推論のためのベイズ近似計算について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We mimic the cognitive ability of Human perception, based on Bayesian hypothesis, to recognize view-based 3D objects. We consider approximate Bayesian (Empirical Bayesian) for perceptual inference for recognition. We essentially handle computation with perception.
Abstract（参考訳）: ベイズ仮説に基づき、人間の知覚の認知能力を模倣し、ビューベースの3dオブジェクトを認識する。我々は,認識の知覚的推論として近似ベイズ(empirical bayesian)を考える。私たちは知覚で計算を処理します。

関連論文リスト

When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
論文参考訳（メタデータ） (2024-10-14T17:59:58Z)
Intent3D: 3D Object Detection in RGB-D Scans Based on Human Intention [86.39271731460927]
RGB-Dを用いた3次元物体検出における新たな課題として,「背中を支えたいもの」などの人間の意図に基づく3次元対象物検出がある。 ScanNetデータセットの1,042のシーンから209のきめ細かいクラスに関連付けられた44,990の意図的テキストからなる新しいIntent3Dデータセットを紹介した。我々はまた、この意図に基づく検出問題に対処するために設計された、我々のユニークなアプローチであるIntentNetを提案する。
論文参考訳（メタデータ） (2024-05-28T15:48:39Z)
Learning 3D object-centric representation through prediction [12.008668555280668]
本研究では,1)離散画像からオブジェクトを抽出し,2)3次元位置を推定し,3)深度を知覚する新しいネットワークアーキテクチャを開発する。中心となる考え方は、物体を脳が将来のシーンを効率的に予測するために使用する視覚入力の潜在原因として扱うことである。
論文参考訳（メタデータ） (2024-03-06T14:19:11Z)
Bayes in the age of intelligent machines [11.613278345297399]
ベイズ的認知モデルと人工ニューラルネットワークは、異なるレベルの分析に関係しており、相補的なモデリングアプローチであると主張する。我々はまた、ベイズ的アプローチが一意に価値があるかもしれないインテリジェントマシンにも、同じ視点が適用できると主張する。
論文参考訳（メタデータ） (2023-11-16T21:39:54Z)
COPEN: Probing Conceptual Knowledge in Pre-trained Language Models [60.10147136876669]
概念的知識は人間の認知と知識基盤の基本である。既存の知識探索作業は、事前訓練された言語モデル(PLM)の事実知識のみに焦点を当て、概念知識を無視する。 PLMが概念的類似性によってエンティティを編成し、概念的特性を学習し、コンテキスト内でエンティティを概念化するかどうかを調査する3つのタスクを設計する。タスクのために、393のコンセプトをカバーする24kのデータインスタンスを収集、注釈付けします。
論文参考訳（メタデータ） (2022-11-08T08:18:06Z)
3D Concept Grounding on Neural Fields [99.33215488324238]
既存の視覚的推論手法は、典型的には、2Dセグメンテーションマスクを抽出するために教師付き手法を用いる。人間は、画像の3D表現の基盤となる概念を基盤にすることができる。我々は,ニューラルネットワークの連続的,微分可能な性質を利用して概念をセグメント化し,学習することを提案する。
論文参考訳（メタデータ） (2022-07-13T17:59:33Z)
Designing Perceptual Puzzles by Differentiating Probabilistic Programs [11.613547999401828]
人間の知覚の原理モデルに対する「逆例」を見出すことにより、新しい視覚錯覚を設計する。人間の視覚の3つの特徴に対する錯覚を自動生成することで,本手法を示す。
論文参考訳（メタデータ） (2022-04-26T13:30:59Z)
Seeing by haptic glance: reinforcement learning-based 3D object Recognition [31.80213713136647]
対象物と指の間の触覚接触数に制限があり、対象物を見ることなく3D認識を行うことができる。この能力は認知神経科学における「触覚的視線」と定義される。既存の3D認識モデルのほとんどは、高密度な3Dデータに基づいて開発された。触覚探索によって3Dデータを収集するためにロボットが使用される多くの実生活のユースケースでは、限られた数の3Dポイントしか収集できない。アクティブに収集された3Dで客観的な3D認識と同時に触覚探査手順を最適化する新しい強化学習ベースのフレームワークが提案される。
論文参考訳（メタデータ） (2021-02-15T15:38:22Z)
Active Learning for Bayesian 3D Hand Pose Estimation [53.99104862192055]
本稿では3次元ポーズ推定のためのディープラーニングアーキテクチャに対するベイズ近似を提案する。この枠組みを通じて、データや学習能力に影響される2種類の不確実性を調査し、分析する。
論文参考訳（メタデータ） (2020-10-01T21:36:26Z)
Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文参考訳（メタデータ） (2020-09-01T10:12:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。